这篇博客介绍了如何解决寻找矩阵内不超过特定值K的最大矩形区域和的问题。提供了三种解法，分别是普通动态规划、状态压缩优化后的动态规划以及数组滚动加暴力求最大子序和。每种方法的时间复杂度和空间复杂度都有所不同，其中状态压缩的方法在空间上进行了优化。解题过程中还提及了如何利用最大子序和的算法进行优化，并给出了具体的代码实现。
363. 矩形区域不超过 K 的最大数值和
题目描述
363. 矩形区域不超过 K 的最大数值和
给你一个 m x n 的矩阵 matrix 和一个整数 k ，找出并返回矩阵内部矩形区域的不超过 k 的最大数值和。
题目数据保证总会存在一个数值和不超过 k 的矩形区域。
示例 1：
输入：matrix = [[1,0,1],[0,-2,3]], k = 2
输出：2
解释：蓝色边框圈出来的矩形区域 [[0, 1], [-2, 3]] 的数值和是 2，且 2 是不超过 k 的最大数字（k = 2）。
示例 2：
输入：matrix = [[2,2,-1]], k = 3
输出：3
提示：
m == matrix.length
n == matrix[i].length
1 <= m, n <= 100
-100 <= matrix[i][j] <= 100
-105 <= k <= 105
进阶：如果行数远大于列数，该如何设计解决方案？
解法1：普通dp+暴力
class Solution {
public int maxSumSubmatrix(int[][] matrix, int k) {
int res = Integer.MIN_VALUE;
int m = matrix.length;
int n = matrix[0].length;
int[][][][] dp = new int[m][n][m][n];
//dp[a][b][c][d]:矩形左上角(a,b)，右下角(c,d)的和
for (int i1 = 0; i1 < m; i1++) {
for (int j1 = 0; j1 < n; j1++) {
if(matrix[i1][j1] > res && matrix[i1][j1] <= k){
res = matrix[i1][j1];
}
dp[i1][j1][i1][j1] = matrix[i1][j1]; // 左上角和右下角都是同一个点的矩形，就是一个点。
//(i1,j1)右边的那一行
for (int j2 = j1 + 1; j2 < n; j2++) {
dp[i1][j1][i1][j2] = dp[i1][j1][i1][j2 - 1] + matrix[i1][j2];
//判断
if(dp[i1][j1][i1][j2] > res && dp[i1][j1][i1][j2] <= k){
res = dp[i1][j1][i1][j2];
}
}
//(i1,j1)下边的那一竖
for (int i2 = i1 + 1; i2 < m; i2++) {
dp[i1][j1][i2][j1] = dp[i1][j1][i2-1][j1] + matrix[i2][j1];
//判断
if(dp[i1][j1][i2][j1] > res && dp[i1][j1][i2][j1] <= k){
res = dp[i1][j1][i2][j1];
}
}
//(i1,j1)右下方
for (int i2 = i1 + 1; i2 < m; i2++) {
for (int j2 = j1 + 1; j2 < n; j2++) {
dp[i1][j1][i2][j2] = dp[i1][j1][i2-1][j2] + dp[i1][j1][i2][j2-1] - dp[i1][j1][i2-1][j2-1] + matrix[i2][j2];
//判断
if(dp[i1][j1][i2][j2] > res && dp[i1][j1][i2][j2] <= k){
res = dp[i1][j1][i2][j2];
}
}
}
}
}
return res;
}
}
时间复杂度：O(m^2 n^2)
空间复杂度：O(m^2 n^2)
运行结果：
解法2：在解法1的基础上进行状态压缩
通过解法1的代码可以发现，在第二层循环里面（dp数组的前两个维的值永远是i1,j1），取其他值的情况我们在循环里面都没用上，所有我们可以干脆把数组从4维降到二维。
令dp[i2][j2]代表矩形左上角(i1,j1)，右下角(i2,j2)，这个矩形里面所有元素的和
所以改写代码如下：
class Solution {
public int maxSumSubmatrix(int[][] matrix, int k) {
int res = Integer.MIN_VALUE;
int m = matrix.length;
int n = matrix[0].length;
int[][] dp = new int[m][n];
//令`dp[i2][j2]`代表矩形左上角(i1,j1)，右下角(i2,j2)，这个矩形里面所有元素的和
for (int i1 = 0; i1 < m; i1++) {
for (int j1 = 0; j1 < n; j1++) {
if(matrix[i1][j1] > res && matrix[i1][j1] <= k){
res = matrix[i1][j1];
}
dp[i1][j1] = matrix[i1][j1]; // 左上角和右下角都是同一个点的矩形，就是一个点。
//(i1,j1)右边的那一行
for (int j2 = j1 + 1; j2 < n; j2++) {
dp[i1][j2] = dp[i1][j2 - 1] + matrix[i1][j2];
//判断
if(dp[i1][j2] > res && dp[i1][j2] <= k){
res = dp[i1][j2];
}
}
//(i1,j1)下边的那一竖
for (int i2 = i1 + 1; i2 < m; i2++) {
dp[i2][j1] = dp[i2-1][j1] + matrix[i2][j1];
//判断
if(dp[i2][j1] > res && dp[i2][j1] <= k){
res = dp[i2][j1];
}
}
//(i1,j1)右下方
for (int i2 = i1 + 1; i2 < m; i2++) {
for (int j2 = j1 + 1; j2 < n; j2++) {
dp[i2][j2] = dp[i2-1][j2] + dp[i2][j2-1] - dp[i2-1][j2-1] + matrix[i2][j2];
//判断
if(dp[i2][j2] > res && dp[i2][j2] <= k){
res = dp[i2][j2];
}
}
}
}
}
return res;
}
}
时间复杂度：O(m^2 n^2)
空间复杂度：O(mn)
运行结果：
解法3：数组滚动+暴力求最大子序和
参考了大佬的题解：https://leetcode-cn.com/problems/max-sum-of-rectangle-no-larger-than-k/solution/javacong-bao-li-kai-shi-you-hua-pei-tu-pei-zhu-shi/
解题思路：
先用一指针固定某一列，再用另一指针向右扫描，扫描到的值都累加到rowSum数组中。
每向右扫描一趟，每扫完一趟，都对rowSum求最大子序和
这里求最大子序和采用的是暴力的方法，时间复杂度O(n^2) ，那么该程序整体还是4层循环，时间复杂度 O(m^2 n^2)
为了方便理解，先上个图吧：
class Solution {
public int maxSumSubmatrix(int[][] matrix, int k) {
int res = Integer.MIN_VALUE;
int m = matrix.length;
int n = matrix[0].length;
int[] rowSum = new int[m]; //扫描的过程中每一行累积的值
//第一层循环：固定的左边界
for (int i = 0; i < n; i++) {
//更换了左边界，相当于重新开始
Arrays.fill(rowSum,0);
//第二层循环：右边界
for (int j = i; j < n; j++) {
//右边界每向右移动一位，对应行的rowSum就要对应相加。
for (int l = 0; l < m; l++) {
rowSum[l] += matrix[l][j];
}
//求最大子序和（第53题），这道题唯一不一样的地方在于这里限制了最大为k
//法1：暴力求
for (int i1 = 0; i1 < m; i1++) {
int tmp = 0;
for (int i2 = i1; i2 < m; i2++) {
tmp += rowSum[i2];
if(tmp > res && tmp <= k){
res = tmp;
}
}
}
}
}
return res;
}
}
运行结果：
这题没法根据 53. 最大子序和 题的方法进行优化，因为他限定了最大值为k，而该题目是没有限制的。
如果非是要求的话，可以先用53题的方法求出最大值，如果求出的最大值<=k，那么可以直接用，要不然还是暴力吧！
修改代码如下：
class Solution {
public int maxSumSubmatrix(int[][] matrix, int k) {
int res = Integer.MIN_VALUE;
int m = matrix.length;
int n = matrix[0].length;
int[] rowSum = new int[m]; //扫描的过程中每一行累积的值
//第一层循环：固定的左边界
for (int i = 0; i < n; i++) {
//更换了左边界，相当于重新开始
Arrays.fill(rowSum, 0);
//第二层循环：右边界
for (int j = i; j < n; j++) {
//右边界每向右移动一位，对应行的rowSum就要对应相加。
for (int l = 0; l < m; l++) {
rowSum[l] += matrix[l][j];
}
//求最大子序和（第53题），这道题唯一不一样的地方在于这里限制了最大为k
//法1：暴力求
// for (int i1 = 0; i1 < m; i1++) {
// int tmp = 0;
// for (int i2 = i1; i2 < m; i2++) {
// tmp += rowSum[i2];
// if(tmp > res && tmp <= k){
// res = tmp;
// }
// }
// }
//法2：根据53题的方法求，要是求不出来再暴力
int tmpRes = rowSum[0];
int tmpSum = 0;
for (int sum : rowSum) {
if (tmpSum >= 0) {
tmpSum += sum;
} else {
tmpSum = sum;
}
tmpRes = Math.max(tmpRes, tmpSum);
}
if (tmpRes <= k) {
//小于等于k，可以直接用
if (tmpRes > res) {
res = tmpRes;
}
}else {
//要不然还是暴力求
for (int i1 = 0; i1 < m; i1++) {
int tmp = 0;
for (int i2 = i1; i2 < m; i2++) {
tmp += rowSum[i2];
if (tmp > res && tmp <= k) {
res = tmp;
}
}
}
}
}
}
return res;
}
}
运行结果：
280
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
